מדוע מכוניות אוטונומיות מפחדות משקיות ניילון?
נשיא הטכניון, פרופ’ אורי סיון, אמר בפתיחת האירוע: “לאחרונה סיימנו לגבש תוכנית אסטרטגית לטכניון לעשור הקרוב.
אחד מעמודי התווך של התוכנית הוא התאמת הטכניון לשינוי העמוק ביחסי אקדמיה תעשייה.
הגבול המסורתי בין אקדמיה המנהלת מחקר בסיסי לתעשייה המתמקדת בפיתוח כבר אינו קיים.
האקוסיסטם הנוכחי חדש לגמרי ולכן האקדמיה בכללה ואוניברסיטאות טכנולוגיות בפרט, חייבות להתאים את עצמן למציאות החדשה.
בשנים הקרובות יתהדקו היחסים בין האקדמיה לתעשייה.
זה אינו תהליך חדש, אולם הוא יילך ויתעצם מכורח הנסיבות וקשר זה, לא יפסח גם על תחום הבינה המלאכותית (AI) שהוא אחד מהתחומים החמים היום בחזית המחקר.
זה הרקע לכנס הזה, שמפגיש גורמים מהטכניון ומהתעשייה כדי לגבש שיתופי פעולה החיוניים לשני הצדדים.
עבורי זו הזדמנות להתגאות בהישגיה הרבים של קהילת ה-AI בטכניון.”
את הכנס הובילו פרופ’ אסף שוסטר ופרופ’ שי מנור, העומדים בראש MLIS, המרכז ללמידה חישובית ולמערכות נבונות בטכניון.
הרצאתו של פרופ’ מנור עסקה בתחום של למידה על ידי חיזוקים ובעיקר במגבלותיו.
“בתחום זה”, אמר פרופ’ מנור, “אומנם נרשמו הצלחות מרשימות מאוד בעיקר בתחום המשחקים, עם הניצחון הממוחשב על שחקנים אנושיים בשש-בש (כבר ב-1992), דמקה, שחמט ו-Go. זאת הצלחה לא מבוטלת והניצחון של אלפא-גו הוא אחד ההישגים הגדולים של ה-AI, אבל צריך להבין שכדי לחרוג מהתחום הזה לנושאים יישומיים אחרים, כמו נהיגה אוטונומית, צריך לעשות עוד דרך ארוכה.
לצערי, הרבה חוקרים וחברות מייפים את המציאות ומפזרים הבטחות ללא כיסוי ממשי.
ההצלחה של אלפא-גו נשענה על המון כסף, אנרגיה ומעבדים ובסופו של דבר מדובר במשחק.
אז למה עוד לא פתרנו את אתגר הרכב האוטונומי ואפילו לא ניהול של פקקים בכיכרות גדולים?
כי יש דברים שקשה מאוד לזהות באמצעים ממוחשבים.
נהג אנושי, עם כל מגבלותיו, יודע לזהות הולך רגל בוודאות גבוהה ומבין שאם שקית ניילון מתנופפת לעברו אין סיבה לשבור לנתיב הסמוך כדי לחמוק ממנה.
מחשבים עדיין לא יודעים לעשות את זה באופן סביר.
אני לא אומר שהמשימות האלה אינן אפשריות, אני רק טוען שהדרך לשם עוד ארוכה מאוד, למעשה, אנחנו רק מגרדים את הקצה”.
הרצאתו של פרופ’ אסף שוסטר עסקה ב-Stream Mining, ניטור של שטפי נתונים עצומים בזמן אמת.
בתהליכים אלה נוצרים לעתים עשרות אלפי אירועים בשנייה והאתגר הטכנולוגי הוא לנתח אותם במהירות, באמינות ובאופן אוטומטי.
הרצאות הכנס עסקו במגוון רחב של נושאים ובהם הממשק בין למידה חישובית למשתמש האנושי, ד”ר ניר רוזנפלד, הפקולטה למדעי המחשב ע”ש טאוב, חשיבותה של מהפכת הלמידה העמוקה בהסרת רעשים (Denoising) מתמונות, פרופ’ מיכאל אלעד, הפקולטה למדעי המחשב.
מהפכת הרובוטיקה שעדיין לא התרחשה, ד”ר אביב תמר, הפקולטה להנדסת חשמל ומחשבים ע”ש ויטרבי.
יצירה של תמונות, סרטוני וידאו ויצירות מוזיקליות על סמך דוגמה בודדת, פרופ’ תומר מיכאלי, הפקולטה להנדסת חשמל ומחשבים, הפער בין המוח למודלים של בינה מלאכותית בהתמודדות עם אתגרים כגון ראייה וזיהוי דיבור, פרופ’ דניאל סודרי, הפקולטה להנדסת חשמל ומחשבים.
כיצד נסביר למערכות ממוחשבות את ההקשר האנושי התנהגותי, פרופ’ עפרה עמיר, הפקולטה להנדסת תעשייה וניהול.
מיקוד סלקטיבי במערכות בינה מלאכותית, פרופ’ תמיר חזן, הפקולטה להנדסת תעשייה וניהול ואנליטיקה אורבנית בתכנון ובקביעת מדיניות, פרופ’ פנינה פלאוט, הפקולטה לארכיטקטורה ובינוי ערים.
פרופ’ אורית חזן מהפקולטה לחינוך למדע וטכנולוגיה דיברה על שימוש בנתונים לרגולציה ותכנון במערכת החינוך.
בארגון הכנס השתתפו שלושה גופים טכניוניים: MLIS- המרכז ללמידה חישובית ולמערכות נבונות, – TCE המרכז להנדסת מחשבים ו- TDSI- המרכז הכלל-טכניוני למחקר במדעי הנתונים. הכנס נתמך על ידי החברות ,NVIDIA רפאל והראל טכנולוגיות מידע. את הכנס הנחתה פרופ’ ליהי צלניק מנור מהפקולטה להנדסת חשמל ומחשבים ע”ש ויטרבי.
